CN109009160A - 一种基于反射式血氧测量方法 - Google Patents

一种基于反射式血氧测量方法 Download PDF

Info

Publication number
CN109009160A
CN109009160A CN201811018919.8A CN201811018919A CN109009160A CN 109009160 A CN109009160 A CN 109009160A CN 201811018919 A CN201811018919 A CN 201811018919A CN 109009160 A CN109009160 A CN 109009160A
Authority
CN
China
Prior art keywords
signal
reflective
blood oxygen
measuring method
oxygen measuring
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201811018919.8A
Other languages
English (en)
Inventor
苏航
刘海亮
李召国
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Research Institute of Sun Yat Sen University
Original Assignee
Shenzhen Research Institute of Sun Yat Sen University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen Research Institute of Sun Yat Sen University filed Critical Shenzhen Research Institute of Sun Yat Sen University
Priority to CN201811018919.8A priority Critical patent/CN109009160A/zh
Publication of CN109009160A publication Critical patent/CN109009160A/zh
Pending legal-status Critical Current

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
    • A61B5/1455—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters
    • A61B5/14551—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters for measuring blood gases
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Surgery (AREA)
  • Medical Informatics (AREA)
  • Signal Processing (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Artificial Intelligence (AREA)
  • Psychiatry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physiology (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Optics & Photonics (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明公开了一种基于反射式血氧测量方法，具体测量方法如下：步骤一：通过反射式SPO2传感器的发射端发射出纳米光束，进入人体组织内；步骤二：通过中值滤波器除去噪音对步骤一中反射出纳米光束的干扰；步骤三：利用步骤一中反射式SPO2传感器接收端接收反射出纳米光束；步骤四：反射式SPO2传感器接收到的电流信号转换成电压信号；步骤五：单片机内置的A/D对步骤四中电压信号转换成数字信号；步骤六：将步骤五中数字信号利用单片机进行独立元分析法(ICA)进行数据预处理、分析和运算；步骤七：将与SpO2计算有关的有效信号从混合的数据中分离出来。该发明一种基于反射式血氧测量方法检测速度快，实用性强，便于生产，适合广泛推广使用。

Description

一种基于反射式血氧测量方法
技术领域
本发明属于反射式血氧测量技术领域，具体涉及一种基于反射式血氧测量方法。
背景技术
氧气如同食物和水，是人体必不可少的能源，人体代谢活动和生命运动的第一关键物质。缺氧时身体新陈代谢下降；造成睡眠障碍、智力下降、记忆力下降，身体免疫力下降；长期重度缺氧可引起肺心病、加重高血压、引起心力衰竭、诱发脑血栓。在欧美等发达国家，人们对血氧的监测相当重视，但是现有的血氧测量方法受噪音和运动的影响，导致检测血氧值精确度降低。
发明内容
本发明的目的在于提供一种基于反射式血氧测量方法，以解决上述背景技术中提出的但是现有的血氧测量方法受噪音和运动的影响，导致检测血氧值精确度降低的问题。
为实现上述目的，本发明提供如下技术方案：一种基于反射式血氧测量方法，具体测量方法如下：
步骤一：通过反射式SPO2传感器的发射端发射出纳米光束，进入人体组织内；
步骤二：通过中值滤波器除去噪音对步骤一中反射出纳米光束的干扰；
步骤三：利用步骤一中反射式SPO2传感器接收端接收反射出纳米光束；
步骤四：反射式SPO2传感器接收到的电流信号转换成电压信号；
步骤五：单片机内置的 A/D 对步骤四中电压信号转换成数字信号；
步骤六：将步骤五中数字信号利用单片机进行独立元分析法(ICA)进行数据预处理、分析和运算；
步骤七：将与SpO2计算有关的有效信号从混合的数据中分离出来，信号有效分量的精确提取；
步骤八：单片机根据步骤七得出的信息数据分析计算出血氧值。
进一步地，所述步骤六的独立元分析法(ICA)是在盲信号处理基础上发展起来的多道信号盲信源分离方法。
进一步地，所述步骤六中独立元分析法（ICA）是将过程中采集的数据通过特点算法来还原原始数据信息中的独立成分，即在源信号和信号理论混合模型未知的情况下,将多道观测信号按照统计独立的原则通过优化算法分解为若干独立成分,为使问题有解,观测信号向量的维数不能小于源信号向量的维数。
进一步地，所述步骤二中值滤波器的频率响应与输入信号的频谱有关，呈现不规则波动不大的曲线，中值滤波频谱特性起伏不大，可以认为信号经中值滤波后，频谱基本不变。
进一步地，所述步骤八中对于单片机根据所采数字信号分析计算出血氧值并可选择性地通过无线模块发送出去。
与现有技术相比，本发明的有益效果是：
1、这种中值滤波器的优点是运算简单而且速度较快，在滤除叠加白噪声和长尾叠加噪声方面显示出了极好的性能。中值滤波器在滤除噪声(尤其是脉冲噪声)的同时能很好地保护信号的细节信息(例如，边缘、锐角等)。另外，中值滤波器很容易自适应化，从而可以进一步提高其滤波性能，从而避免噪音对反射光束的影响，影响血氧值的精确度。
2、进行独立元分析时，需要进行数据预处理。将传感器接收端采集到的信号用X表示，将分离后的信号用S表示。采用ICA的目的就是将带有多源噪声的混合信号X分解为S，其中S的一部分向量是与计算SpO2相关的信号，其他部分是与计算SpO2无关的噪声，计算速度快，准确性高，克服了运动带来的影响。
3、该发明一种基于反射式血氧测量方法检测速度快，实用性强，便于生产，适合广泛推广使用。
具体实施方式
下面将结合本发明实施例，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例1
一种基于反射式血氧测量方法，具体测量方法如下：
步骤一：通过反射式SPO2传感器的发射端发射出纳米光束，进入人体组织内；
步骤二：通过中值滤波器除去噪音对步骤一中反射出纳米光束的干扰；
步骤三：利用步骤一中反射式SPO2传感器接收端接收反射出纳米光束；
步骤四：反射式SPO2传感器接收到的电流信号转换成电压信号；
步骤五：单片机内置的 A/D 对步骤四中电压信号转换成数字信号；
步骤六：将步骤五中数字信号利用单片机进行独立元分析法(ICA)进行数据预处理、分析和运算；
步骤七：将与SpO2计算有关的有效信号从混合的数据中分离出来，信号有效分量的精确提取；
步骤八：单片机根据步骤七得出的信息数据分析计算出血氧值。
其中，所述步骤六的独立元分析法(ICA)是在盲信号处理基础上发展起来的多道信号盲信源分离方法。
其中，所述步骤六中独立元分析法（ICA）是将过程中采集的数据通过特点算法来还原原始数据信息中的独立成分，即在源信号和信号理论混合模型未知的情况下,将多道观测信号按照统计独立的原则通过优化算法分解为若干独立成分,为使问题有解,观测信号向量的维数不能小于源信号向量的维数。
其中，所述步骤二中值滤波器的频率响应与输入信号的频谱有关，呈现不规则波动不大的曲线，中值滤波频谱特性起伏不大，可以认为信号经中值滤波后，频谱基本不变。
其中，所述步骤八中对于单片机根据所采数字信号分析计算出血氧值并可选择性地通过无线模块发送出去。
实施例2
一种基于反射式血氧测量方法，具体测量方法如下：
步骤一：通过反射式SPO2传感器的发射端发射出纳米光束，进入人体组织内；
步骤二：通过中值滤波器除去噪音对步骤一中反射出纳米光束的干扰；
步骤三：利用步骤一中反射式SPO2传感器接收端接收反射出纳米光束；
步骤四：反射式SPO2传感器接收到的电流信号转换成电压信号；
步骤五：单片机内置的 A/D 对步骤四中电压信号转换成数字信号；
步骤六：将步骤五中数字信号利用处理器进行独立元分析法(ICA)进行数据预处理、分析和运算；
步骤七：将与SpO2计算有关的有效信号从混合的数据中分离出来，信号有效分量的精确提取；
步骤八：处理器根据步骤七得出的信息数据分析计算出血氧值。
其中，所述步骤六的独立元分析法(ICA)是在盲信号处理基础上发展起来的多道信号盲信源分离方法。
其中，所述步骤六中独立元分析法（ICA）是将过程中采集的数据通过特点算法来还原原始数据信息中的独立成分，即在源信号和信号理论混合模型未知的情况下,将多道观测信号按照统计独立的原则通过优化算法分解为若干独立成分,为使问题有解,观测信号向量的维数不能小于源信号向量的维数。
其中，所述步骤二中值滤波器的频率响应与输入信号的频谱有关，呈现不规则波动不大的曲线，中值滤波频谱特性起伏不大，可以认为信号经中值滤波后，频谱基本不变。
其中，所述步骤八中对于单片机根据所采数字信号分析计算出血氧值并可选择性地通过无线模块发送出去。
本发明工作时：这种中值滤波器的优点是运算简单而且速度较快，在滤除叠加白噪声和长尾叠加噪声方面显示出了极好的性能。中值滤波器在滤除噪声(尤其是脉冲噪声)的同时能很好地保护信号的细节信息(例如，边缘、锐角等)。另外，中值滤波器很容易自适应化，从而可以进一步提高其滤波性能，从而避免噪音对反射光束的影响，影响血氧值的精确度；进行独立元分析时，需要进行数据预处理。将传感器接收端采集到的信号用X表示，将分离后的信号用S表示。采用ICA的目的就是将带有多源噪声的混合信号X分解为S，其中S的一部分向量是与计算SpO2相关的信号，其他部分是与计算SpO2无关的噪声，计算速度快，准确性高，克服了运动带来的影响。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (5)

1.一种基于反射式血氧测量方法，其特征在于，具体测量方法如下：
步骤一：通过反射式SPO2传感器的发射端发射出纳米光束，进入人体组织内；
步骤二：通过中值滤波器除去噪音对步骤一中反射出纳米光束的干扰；
步骤三：利用步骤一中反射式SPO2传感器接收端接收反射出纳米光束；
步骤四：反射式SPO2传感器接收到的电流信号转换成电压信号；
步骤五：单片机内置的 A/D 对步骤四中电压信号转换成数字信号；
步骤六：将步骤五中数字信号利用单片机进行独立元分析法(ICA)进行数据预处理、分析和运算；
步骤七：将与SpO2计算有关的有效信号从混合的数据中分离出来，信号有效分量的精确提取；
步骤八：单片机根据步骤七得出的信息数据分析计算出血氧值。
2.根据权利要求1所述的一种基于反射式血氧测量方法，其特征在于：所述步骤六的独立元分析法(ICA)是在盲信号处理基础上发展起来的多道信号盲信源分离方法。
3.根据权利要求1所述的一种基于反射式血氧测量方法，其特征在于：所述步骤六中独立元分析法（ICA）是将过程中采集的数据通过特点算法来还原原始数据信息中的独立成分，即在源信号和信号理论混合模型未知的情况下,将多道观测信号按照统计独立的原则通过优化算法分解为若干独立成分,为使问题有解,观测信号向量的维数不能小于源信号向量的维数。
4.根据权利要求1所述的一种基于反射式血氧测量方法，其特征在于：所述步骤二中值滤波器的频率响应与输入信号的频谱有关，呈现不规则波动不大的曲线，中值滤波频谱特性起伏不大，可以认为信号经中值滤波后，频谱基本不变。
5.根据权利要求1所述的一种基于反射式血氧测量方法，其特征在于：所述步骤八中对于单片机根据所采数字信号分析计算出血氧值并可选择性地通过无线模块发送出去。
CN201811018919.8A 2018-09-03 2018-09-03 一种基于反射式血氧测量方法 Pending CN109009160A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811018919.8A CN109009160A (zh) 2018-09-03 2018-09-03 一种基于反射式血氧测量方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811018919.8A CN109009160A (zh) 2018-09-03 2018-09-03 一种基于反射式血氧测量方法

Publications (1)

Publication Number Publication Date
CN109009160A true CN109009160A (zh) 2018-12-18

Family

ID=64622865

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811018919.8A Pending CN109009160A (zh) 2018-09-03 2018-09-03 一种基于反射式血氧测量方法

Country Status (1)

Country Link
CN (1) CN109009160A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109846481A (zh) * 2018-12-25 2019-06-07 北京津发科技股份有限公司 表面肌电信号处理方法和装置、数据处理设备和存储介质

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105473065A (zh) * 2014-02-11 2016-04-06 皇家飞利浦有限公司 确定在cpr期间的自主循环恢复

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105473065A (zh) * 2014-02-11 2016-04-06 皇家飞利浦有限公司 确定在cpr期间的自主循环恢复

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
乌建伟: "《独立成分分析中的高阶统计量方法》", 31 December 2016, 国防工业出版社 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109846481A (zh) * 2018-12-25 2019-06-07 北京津发科技股份有限公司 表面肌电信号处理方法和装置、数据处理设备和存储介质

Similar Documents

Publication Publication Date Title
Foote Origination and extinction components of taxonomic diversity: Paleozoic and post-Paleozoic dynamics
CN101991410B (zh) 一种脉率搜索和计算方法
CN102499694A (zh) 用于消除血氧饱和度监测干扰的方法
CN103117067A (zh) 一种低信噪比下语音端点检测方法
AU2019101756A4 (en) Method for analyzing heart rate variability signal based on extremum energy decomposition method
CN103405227A (zh) 基于双层形态学滤波的心电信号预处理方法
CN104622440B (zh) 一种提取脉搏波时标点的方法及装置
Xing et al. A new QRS detection algorithm based on empirical mode decomposition
CN109009087B (zh) 一种心电信号r波的快速检测方法
CN108042107A (zh) 一种ppg信号伪差校正方法
CN103230267A (zh) 一种抗运动干扰的脉率提取方法
Zhu et al. New veto for continuous gravitational wave searches
CN112754444A (zh) 一种基于雷达的非接触式猪只呼吸检测方法
CN104950335A (zh) Enpemf信号归一化stft-wvd时频分析方法
CN109009160A (zh) 一种基于反射式血氧测量方法
CN109350031A (zh) 一种光电容积脉搏波信号特征点检测方法及装置
CN114676738B (zh) Ppg信号质量评估方法及装置以及ppg信号处理方法及系统
CN113008984A (zh) 一种声纹检测水果成熟度分析仪器
CN111281393A (zh) 基于非接触式雷达技术的老年人跌倒检测方法及系统
CN110542926A (zh) 一种地震数据尖峰噪声簇的自主检测和压制方法
CN109901224A (zh) 一种地震资料低频信号保护压制噪声方法
CN109036810B (zh) 一种变压器有源噪声降噪装置及控制方法
CN104778342B (zh) 一种基于小波奇异熵的心音特征提取方法
Bali et al. Performance comparison of ANN classifiers for sleep apnea detection based on ECG signal analysis using hilbert transform
CN112332807A (zh) 一种弱包络信号检测方法和系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20181218